Noisy Labels

Definition / 释义

noisy labels 指“带噪声的标签/不准确的标注”：在数据集中，样本的类别或目标值被错误标注、不一致标注，或因主观判断、采集流程、自动标注等原因导致标签不可靠。在机器学习中，这会降低模型训练效果并引入偏差。（也常写作 label noise）

Pronunciation / 发音

/ˈnɔɪzi ˈleɪbəlz/

Examples / 例句

The dataset has noisy labels, so the model makes many mistakes.
这个数据集的标签有噪声，所以模型会犯很多错误。

Even with millions of images, noisy labels can cause a classifier to learn the wrong patterns unless we use robust training methods.
即使有数百万张图片，带噪声的标签也可能让分类器学到错误模式，除非我们使用更鲁棒的训练方法。

Etymology / 词源

noisy 来自 noise（噪声），本义是“嘈杂的”，在统计与机器学习语境中常引申为“含有随机误差/干扰的”。label 源自法语 label/étiquette（标签、标记），表示给事物贴上的名称或类别。两者组合成 noisy labels，用于描述“标签层面的噪声/误标”，是数据标注与监督学习里常见的术语。

Related Words / 相关词

• Label Noise
• Mislabeling
• Annotation
• Ground Truth
• Weak Supervision
• Data Cleaning
• Outlier
• Supervised Learning

Literary Works / 文学作品

• Training Deep Neural Networks on Noisy Labels with Bootstrapping（Reed et al., 2014）——讨论在noisy labels 下通过“自举/自训练”缓解误标影响。
• Making Deep Neural Networks Robust to Label Noise: a Loss Correction Approach（Patrini et al., 2017）——以“标签噪声/带噪声标签”为核心问题，提出损失修正方法。
• Co-teaching: Robust Training of Deep Neural Networks with Extremely Noisy Labels（Han et al., 2018）——以“极端 noisy labels”为背景，提出双网络互教训练策略。